
Pixubus v3.1リリース|Qwen-Image 2.1は衝撃だった。キャラを参照して描けて、透過背景も出せる。Pixubusでも即日対応しました
画像生成のゲームチェンジャーが出ました
わかりやすく言うとローカル画像生成で「NanoBananaが動く😮」
んなアホな
そう思ったでしょう。
これを見てください。

このキャラクター画像をQwen Image 2.1に参照させる。
使うツールは私が作っているComfyUIを日本語でプロンプトが書けるPixubusというツール。

プロンプト
ルミスティアのセクシーポーズアニメポスター
うつ伏せになってこちらを見ている
アニメテイストで明るめ
"↑Qwen-Image 2.1で作りました" というタイトルを大きくいれる

…神神神
日本語も完璧です(日本語や文字は精度は8割ぐらい)。
つまりnoteのサムネイルにChatGPTやNanoBananaを使う手間も省けます。
ローカル=ComfyUIで動くので無料。
頭がフットーしちゃうよ。
Qwen-Image-2.1について
AlibabaのQwenチームが出した、オープンウェイトの画像生成モデルです。1つのモデルで、次の3つをこなします。
・文章から絵を描く
・参照画像をもとに描く、描き替える(公式の説明では最大10枚まで)
・背景を透過したPNGを直接出す
中身は、画像を描く本体が7B、文章と画像を読む側がQwen3-VLの8Bです。Qwen-Image-Editのような以前のQwenの画像モデルとは別系統の、新しい世代になります。
公式のページはこちらです。
ComfyUIは公開当日から対応しています。ComfyUI公式のブログにも案内が出ています。
ライセンスについて
ひとつ大事な注意です。Qwen-Image 2.1は、Qwen RESEARCH LICENSEという非商用のライセンスで配られています。研究や評価のために使うモデル、という位置づけです。
https://github.com/QwenLM/Qwen-Image-2.1/blob/main/LICENSE
生成した画像の扱いについては、Qwenの公式アカウントがXでこう答えています。
https://x.com/QwenDevs/status/2101917379785838660
「生成物はライセンスの対象(Materials)に含まれない。モデルで作った画像などの権利は、利用者に残る」という内容です。
私の検証環境
RTX5070Ti 16GB VRAM
まずはComfyUIだけで動かしてみる
Pixubusの話の前に、素のComfyUIで動かすところまでやってみます。Pixubusを使わない方も、ここまでは同じです。
ComfyUIを新しくする
Qwen-Image 2.1を動かすノードは、公開に合わせてComfyUIに入ったばかりです。先にComfyUIを新しい版に上げておいてください。私は0.37.0で動かしています。
テンプレートから開く
ComfyUIの左のサイドバーから「テンプレート」を開いて、検索に「Qwen Image 2.1」と入れます。

出てくるのは3つです。
・Remove Background: Qwen Image 2.1(背景を消す)
・Qwen Image 2.1:画像編集
・Qwen Image 2.1:テキストから画像へ
今回使うのは「画像編集」です。参照画像を2枚入れて、人物に別の服を着せるワークフローになっています。
モデルを入れる

赤いワーニングがでるので「すべてダウンロード」でモデルをダウンロード
要るファイルは3つです。
diffusion_models/qwen_image_2.1_int8_convrot.safetensors 約7.3GB
text_encoders/qwen3vl_8b_int8_convrot.safetensors 約9.4GB
vae/qwen_image_2.1_vae_bf16.safetensors 約0.7GBワークフローを開くと左にメモが付いていて、ダウンロード先と置き場所はそこに全部書いてあります。
配布元はComfy-OrgのHugging Faceです。
https://huggingface.co/Comfy-Org/Qwen-Image-2.1
画像を2枚入れて、1枚出してみる
ワークフローを開いた直後は、赤い枠が2つ付いて「2件のエラー」と出ます。

壊れているわけではありません。見本の画像がテンプレートに付いていないだけです。赤枠の「画像を読み込む」に、上から人物の画像、服の画像を1枚ずつ入れます。
とりあえず入れてためしてみます




私の環境(RTX 5070 Ti 16GB)で、1枚10秒ちょっとでした。
🤔うーん。確かに画像は維持されててすごいんですが何が合成されたのかわからない。
Qwen Image 2.1への画像参照の仕方
描き方の指示は、真ん中の箱に英語で書いてあります。
Keep the character and pose in <image1> unchanged, put this light blue denim shirt from <image2> on the character, preserve the original facial features, hair, body shape and pose, the denim shirt fits naturally on body, realistic denim fabric texture, natural clothing folds, keep the original background and original lighting, high fashion editorial photography, sharp details
訳すとこんな内容です。「<image1>の人物とポーズはそのままに、<image2>の水色のデニムシャツを着せる。顔、髪、体型、ポーズは元のまま。背景と光も元のまま」。
<image1>や<image2>は、つないだ画像の番号です。上につないだ画像が1、下が2。画像を増やしたら番号も増えて、文章の中でどれがどれかを書き分けていきます。
それをふまえて先ほどの2名で作ってみます
The scene takes place inside a stylish cafe with bright, soft daylight. The character from <image1> stands in the center of the frame with a shocked and uncomfortable expression on her face. The character from <image2> stands closely behind her, leaning in aggressively and reaching around to touch her buttocks with his hand. The camera captures them from a medium shot, focusing on their interaction and the tension between them. The drawing style follows that of <image1> and <image2>.


いいね👍️
ただ、プロンプトが英語です
英語のワークフロー、分からないですよね。私も、服を替えるたびに英語を書き直すのはしんどいと思いました。
先ほどの美少女とチャラ男のイラストもPixubusでプロンプトは作成しました。
なので、ここからはPixubusで検証します。
Pixubusとは — 日本語だけで、イラストのプロンプトを作る
はじめての方へ、先にPixubusの説明を。
Pixubusは、キャラクター画像から画像生成用のタグ(プロンプト)を作る、ローカル動作のWebアプリです。
好きなキャラ画像をアップすると、ローカルLLMが外見を読み取って英語のタグに起こします。髪型も服も、自分でタグを調べる必要はありません。
そこに「放課後の図書室、本棚の前で穏やかに微笑む」のような日本語のシチュエーションを足すと、画像生成用のプロンプトができあがります。ComfyUIをつないでいれば、そのままボタン1つでイラストになります。

できることを3枚にすると、こうなります。



英語のタグは、最後まで1つも打ちません。
ぜんぶ手元のPCで動きます。動かすにはOllama(ローカルLLM)が要って、絵まで出すならComfyUIも。どちらも無料です。
v3.0の単品販売記事はこちら
v3.1で増えたもの 「リファレンス生成」
いちばん大きいのは、画像を材料にして1枚を描く「リファレンス生成」です。
今回はQwen-Image 2.1の公開に合わせて急いで組んだ版で、β版に近い作りです。細かいところは、使いながら直していきます。
リファレンス生成 — 画像を並べて、1枚にまとめる
サイドメニューの「イラスト生成」に、「リファレンス生成」と「リファレンス生成履歴」が増えました。


流れは生成画面と同じで、①②③の3段です。
①で、材料にする画像を並べます。キャラの立ち絵、着せたい衣装、立たせたい背景などです。
画像ごとに役割を1つ選びます。キャラ / 衣装 / ポーズ / 背景 / 小物 / 画風 の6つです。それと「だれ・なに」をひとこと。「ルミスティア」「メイド服」くらいで足ります。見た目の説明は要りません。見た目は画像がそのまま伝えてくれます。
②で、どんな絵にしたいかを日本語で書きます。ここはこれまでのPixubusと同じで、プロンプトはOllamaが作ります。
③で、ComfyUIに画像ごと送って描かせます。
「この子にこの服を着せて、この場所に立たせる」のような着せ替えも、2人を同じ場面に並べるのも、この画面でやります。
材料の画像は、アプリの中から選べます。生成画像、キャラ生成、イベントCG、パーティ、保存済みキャラのどれからでも拾えます。手元のファイルをアップロードしても大丈夫です。

複数キャラを合成したいときは1名から10名まで追加できます



透過を試す
背景を透過して出すこともできます。②の「透過で出す」を選ぶと、被写体だけを切り抜いたPNGになります。立ち絵の素材づくりや、あとで別の絵に合成したいときに使えます。透過した画像は、画面では市松模様の上に出ます。




この画面で作ってみた
ここからは、実際にリファレンス生成で作った絵です。1人の透過から、2人、5人、10人まで増やしていきます。
並べた立ち絵をそのままくっつけただけにならないよう、どれも「何をしている瞬間か」を日本語で書いて、動きのある場面にしました。
1人・背景を透過して
参照は立ち絵1枚だけです。書いたのはこれだけ。
ルミスティアが杖を大きく振りかぶって、光の魔法を放つ瞬間。躍動感のある全身。
背景はなし。
②で「透過で出す」を選んでいます。


まっすぐ立っていた子が、同じ衣装のまま魔法を撃っています。背景は抜けているので、このまま別の絵に重ねられます。1枚15〜25秒でした。
ただ少し絵が崩れたりします。
これは今回ローカルLLM gemma4-26-a4bを使っているので31bだとマシになるかもしれませんし、そもそもQwen Image 2.1が複雑な指定には耐えられないということだと思います。(現状は後者をうたがっている)
2人・ルミスティアとオーク
「荒れた古城の広間で、ルミスティアとオークが戦っている一瞬。オークが両手で斧を振り下ろし、ルミスティアが杖でそれを受け止めて足を踏ん張っている。火花と砕けた石が飛び散る。」



2人とも立ち絵のときの見た目のまま、構えて向き合っています。ただ、杖で斧を受け止めるところまではいきませんでした。1枚30秒前後。
ちょっと叡智


これはもうゲームチャンジャー、、、エンドゲーム、サノスの到来だ。。。
5人・4人でオークに挑む
森の中で、4人の少女がオークに一斉に挑みかかる乱戦。姫騎士が剣で正面から斬り込み、ルミスティアが後ろで杖から魔法を放ち、弓使いのすみれが跳びながら矢を射り、くノ一が横から空中に跳びかかる。オークは斧を振り回して応戦している。全員が動いていて、立ち止まっている人はいない。

ここから時間が一気に延びて、1枚2分ほど。
いっけん良いイラストに見えますが 4VS1の構図になってません。
やはり人数がふえると難易度はあがるようです。

10人・校庭で雪合戦
「雪が積もった冬の学校の校庭で、10人が2チームに分かれて雪合戦をしている。雪玉を投げる人、しゃがんでよける人、雪玉が当たって笑っている人、走って逃げる人、雪玉を作っている人など、全員が違う動きをしている。」

魔法少女も浴衣もストリート系も、同じ雪の校庭に収まりました。
ただ、ここまで来ると粗も出ます。よく見ると、参照にいない男子が奥に1人増えています。浴衣の子のように、立っているだけの人もいます。2枚出したうちのもう1枚は、同じ人が2人ずつ描かれていて使えませんでした。1枚5分ほどかかります。
10人は「入れられる」ところまでで、狙いどおりに動かすなら3〜5人くらいまでが扱いやすいと感じました。
作った絵は「生成画像」にも並びます
リファレンス生成で描いた絵は、これまでの「生成画像」の一覧に一緒に並びます。

上の「出どころ」で、生成画面の絵とリファレンス生成の絵を切り替えられます。
履歴は「リファレンス生成履歴」に全部残ります。材料の並び、書いた日本語、プロンプト、設定、描いた絵まで1行にまとまっていて、「復元」で画面ごと戻せます。

作品パック(開発中)
サイドメニューの「作品づくり」に「作品パックの一覧」が入っていますが、こちらは開発中です。今回は説明を省きます。

本来「作品パック」v3.1にする予定でしたが今回、あまりにQwen Image 2.1が衝撃だったので私自身「早くためしたい!でも英語プロンプトなんてかけん!」と思ったのでPixubusを急造開発しました。Pixubusを使っていただいてる方にもあまりまたせずに早めに提供したほうがいいだろうと思い今回は急遽リリースしているのでリファレンス参照は多少品質は荒いと思います。
今後改善してきます。
Pixubus 動かすのに必要なもの
買う前に、ここだけ見ておいてください。要るのは3つです。

Node.jsとOllamaは必須です。どちらも公式サイトのインストーラーで入り、無料です。
ComfyUIは、絵まで出したいときに要ります。ComfyUIのアプリ側でプロンプトを自分で貼って生成するなら、つないでいなくてもかまいません。Pixubusの画面から生成ボタンで出したい場合に必須になります。
メンバーシップのご案内
この記事の続きは、メンバーシップの方向けです。中身はこの4つ。
Pixubus v3.1のzip(末尾に添付しました)
アップデートの手順と、はじめての方向けの入れ方
参照画像の枚数ごとの速さの目安(1枚から10枚まで)
サンプルで出した、「ちえとチャラ男」の設定画面
エッチな絵はかけるのか?検証した所感(所感のみです)
メンバーシップで手に入るのは、Pixubusだけではありません。私が作っている姉妹ソフトも、メンバー特典の記事から入手できます。

アイデアだしはMycelink。
1つのワードから連想を枝分かれさせてマインドマップを描き、選んだ枝から物語のプロットまで組み立てます。
ローカルLLMで小説を書くのと、本にするのはInkubus。寝ているあいだに小説を量産して、AIの推敲を通して、縦書きのEPUBにするところまでやります。Pixubusのパーティ作成で作った世界観と登場人物は、そのまま渡せます。
そして挿絵を描くのがPixubus。今回のリファレンス生成で、作ったキャラを見た目を崩さないまま別の場面に立たせられるようになりました。
思いつきを広げて、絵を描いて、本にして世に出す。3つとも自分の手元で動きます。よそのサービスに預けないので、題材も表現も思いのままです。
メンバーシップに入っていれば、この3つを個別に買わずにそろえられます。